基于长短期记忆神经网络建模的循环流化床锅炉氮氧化物预测研究中国动力工程学会第八届青年学术年会

报告详情

基于长短期记忆神经网络建模的循环流化床锅炉氮氧化物预测研究

编号：93 访问权限：仅限参会人更新：2020-09-12 18:49:35 浏览：364次口头报告

报告开始：暂无开始时间（8）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

演示文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要

随着环保形势愈发严峻以及大数据的快速发展，采用人工智能模型和优化算法等数字技术实现电厂污染物的预测和智能控制不断发展。本文基于一台循环流化床锅炉连续运行数据，基于长短期记忆神经网络搭建了氮氧化物预测模型，模型均方误差为2.570 mg/Nm³。本文主要研究了对电厂原数据降噪的必要性，提出了可同时提高预测模型精度和避免特征降维的输入数据结构搭建方法，为优化控制做好数据结构准备。